随着深度学习在超分辨率领域的广泛研究,为提高重建精度,网络结构呈现参数量越来越大的特点,且单个网络只能解决单个放大任务。针对这些问题,提出了基于递归金字塔的多任务轻量化图像超分辨率算法。算法中设计的递归金字塔模块以递归网络为基础,共享特征映射主体的权重使用独立的重建模块完成多个×2的超分子任务。特征映射主体以局部自适应融合模块堆叠而成,采用密集连接和特征自适应融合的方式,实现了特征的高效提取和参数的轻量化。本文方法在Set5、Set14、B100和Urban100上与现有算法进行比较,实验结果表明,所提方法在视觉上重建效果更好,参数量和浮点运算量更少。